# AI 独角兽阶跃星辰完成数亿美元融资，国产 AI 六小龙迈入决赛圈 - 作者：范津瑞 - 发布时间：2024-12-23 13:25 - 分类：公司 - 原文：https://www.ifanr.com/1609920 ![](https://s3.ifanr.com/wp-content/uploads/2024/12/cover-6.jpg) APPSO 获悉，大模型独角兽阶跃星辰近日完成了数亿美元的 B 轮融资。本轮融资的核心投资方包括上海国有资本投资有限公司及其旗下基金，战略和财务投资人包括腾讯投资、五源资本和启明创投等。 据悉，这笔融资将用于继续推进研发基础模型，强化其多模态和复杂推理能力，并通过产品和生态加大对 C 端应用场景的覆盖，为用户提供丰富多元的使用体验。 数据显示，**2024 年下半年阶跃星辰多模态 API 的调用量增长超 45 倍**。过去 10 个月，阶跃星辰共发布 11 个自研基座模型，**其中 Step 系列模型多次在国内外权威大模型评测榜单上位列「中国第一」**。 ![](https://s3.ifanr.com/wp-content/uploads/2024/12/01-14.png) 阶跃星辰主打「万亿+多模态」的 Step 系列基座模型研发速度快，**性能保持国内领先**。目前，越来越多的开发者正在基于其多模态大模型创造更丰富的 C 端应用功能和体验，通过原生 AI 应用挖掘并满足新的消费场景。 公司战略围绕「有真实需求」且「能带来用户体验创新」的场景展开，**聚焦「超级模型」+「超级应用」**，通过自研与生态合作的结合，以其基座大模型的能力为基础，专注于为 C 端用户打造创新体验。 从基座模型来看，阶跃星辰是国内少数已经形成了**从理解到生成、从文本到多模态的全系列模型矩阵的**大模型创业公司之一。未来，公司将坚持预训练，并将继续向 AGI（通用人工智能）发起冲击。 ![](https://s3.ifanr.com/wp-content/uploads/2024/12/02-13.png) 产品业务方面，阶跃星辰推出了支持多模态交互的智能助手「**跃问**」，其多模态智能视觉搜索功能「拍照问」是国内首个集成至 iPhone 16 相机控制按键的功能。 **开发者正在基于其多模态大模型创造更丰富的 C 端应用功能和体验**。网红 AI 应用「**胃之书**」能够帮助用户以更快捷有趣的方式记录饮食；AI 心理疗愈应用「**林间聊愈室**」则实现了用户和疗愈产品之间的多模态互动。 ![](https://s3.ifanr.com/wp-content/uploads/2024/12/03-14.png) 在智能终端领域，阶跃星辰还与 OPPO 和荣耀等头部手机厂商合作研发大模型技术；在内容创作领域，阶跃星辰先后与中文在线、中国知网达成战略合作，探索如何利用大模型技术激发多种内容创作场景的生产和需求。 金融财经领域中，其与界面财联社合创的大模型科技公司「财跃星辰」推出了能够为用户提供 AI 数据挖掘和财报解读等功能的金融行业垂直大模型「**Finstep**」和 C 端私人财富助理「**小财神**」。此外，阶跃星辰还联合国泰君安、界面财联社推出了业内首个千亿级参数多模态证券垂直类大模型「**君弘灵犀大模型**」。 阶跃星辰创始人、CEO 姜大昕规划公司实现 AGI 的路线是「**单模态——多模态——多模理解和生成的统一——世界模型——AGI**」。随着国内大模型「六小龙」竞争的不断加剧，阶级星辰将在基座模型和 C 端产品两个方面持续发力，力争面向多个领域，为不同的用户群体提供更先进的大模型产品。 除了丰富的 C 端产品业务，阶跃星辰还推出了性能优异的 Step 系列**通用大模型**。以下是其简要产品介绍： - **Step-1**：千亿参数语言大模型，逻辑推理、中英知识、数学、代码性能超越 GPT-3.5； - **Step-1V**：多模态大模型，精准理解图像文字、数据、图表，具备内容创作、逻辑推理、数据分析等能力； - **Step-1X**：图像生成大模型，具备强大语义理解与图像创意实现能力； - **Step-Video**：视频生成大模型，支持生成 1080P、10s 高清视频，擅长语义理解、指令遵循、运动、中国风美学生成； - **Step-tts-mini**：语音复刻和生成大模型，上传 5s 音频即可精准复现个体音色特征和情绪； - **Step-Asr**：语音识别大模型，能识别不同口音并精准转化为文字； - **Step-2**：万亿参数语言大模型，采用 MoE 架构，语言生成细节控制力强，理解和遵循人类指令能力突出，在「LiveBench」评测榜单上位居中国第一，全球第五； - **Step-1.5V**：迭代版多模态大模型，多模态理解能力更强，实现了从图像理解到视频理解的跨越； - **Step-1.5v-turbo**：视频理解模型，准确识别视频物体、人物、环境，理解视频氛围和人物情绪，指令跟随能力强； - **Step-1o Audio**：千亿参数端到端语音大模型，支持语音、文本混合输入输出，反应快速，能够提供自然、高智商、高情商交互体验； - **Step-1-flash**：极速版大模型，用于处理通用领域任务，支持 8K 上下文长度，首字延迟低、输出速度快。